Development of an eHealth Readiness Assessment Framework for Botswana and Other Developing Countries: Interview Study
Notice bibliographique
Résumé
BACKGROUND: Electronic health (eHealth) readiness has been defined as the preparedness of health care institutions or communities for the anticipated change brought about by programs related to information and communication technology use. To ascertain the degree of such preparedness, an eHealth readiness assessment (eHRA) is needed. Literature on the existing eHRA frameworks and tools shows high inconsistency in content, definitions, and recommendations, and none have been found to be entirely suitable for assessing eHealth readiness in the context of developing countries. To develop an informed eHRA framework and tools with applicability to Botswana and similar developing countries, insight was sought from a broad spectrum of eHealth key informants in Botswana to identify and inform relevant issues, including those not specifically addressed in available eHRA tools. OBJECTIVE: The aim of this study was to evaluate key informant (local expert) opinions on aspects that need to be considered when developing an eHRA framework suitable for use in developing countries. METHODS: Interviews with 18 purposively selected key informants were recorded and transcribed. Thematic analysis of transcripts involved the use of an iterative approach and NVivo 11 software. The major themes, as well as subthemes, emerging from the thematic analysis were then discussed and agreed upon by the authors through consensus. RESULTS: Analysis of interviews identified four eHealth readiness themes (governance, stakeholder issues, resources, and access), with 33 subthemes and 9 sub-subthemes. A major finding was that these results did not directly correspond in content or order to those previously identified in the literature. The results highlighted the need to perform exploratory research before developing an eHRA to ensure that those topics of relevance and importance to the local setting are first identified and then explored in any subsequent eHRA using a locally relevant framework and stakeholder-specific tools. In addition, seven sectors in Botswana were found to play a role in ensuring successful implementation of eHealth projects and might be targets for assessment. CONCLUSIONS: Insight obtained from this study will be used to inform the development of an evidence-based eHealth readiness assessment framework suitable for use in developing countries such as Botswana.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».